Python+OpenCV圖像處理之圓檢測

霍夫變換不僅可以用來檢測直線，同樣也可以用來檢測圓

python實現

import cv2
import numpy as np


__author__ = "boboa"


def detect_circles_demo(image):
    dst = cv2.pyrMeanShiftFiltering(image, 10, 100)  # 均值偏移濾波
    cimage = cv2.cvtColor(dst, cv2.COLOR_BGR2GRAY)
    circles = cv2.HoughCircles(cimage, cv2.HOUGH_GRADIENT, 1, 20, param1=50, param2=40, minRadius=0, maxRadius=0)
    # 整數化，#把circles包含的圓心和半徑的值變成整數
    circles = np.uint16(np.around(circles))
    for i in circles[0, :]:
        # 畫出外邊圓
        cv2.circle(image, (i[0], i[1]), i[2], (0, 255, 0), 2)
        # 畫出圓心
        cv2.circle(image, (i[0], i[1]), 2, (0, 0, 255), 3)
    cv2.imshow("circles", image)


if __name__ == "__main__":
    img = cv2.imread("image/circles.jpg")
    cv2.namedWindow("input image", cv2.WINDOW_AUTOSIZE)
    cv2.imshow("input image", img)
    detect_circles_demo(img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

運行結果如下，效果並不是很好，可能是參數設置的不好，利用霍夫變換來檢測圓很容易受到噪聲的干擾，而且不能檢測橢圓，找不到同心圓

cv2.HoughCircles(image, method, dp, minDist, circles, param1, param2, minRadius, maxRadius)

參數：
　　image:輸入圖像，必須是灰度圖像

　　method:檢測方法,常用CV_HOUGH_GRADIENT

　　dp:檢測內側圓心的累加器圖像的分辨率於輸入圖像之比的倒數，如dp=1，累加器和輸入圖像具有相同的分辨率,如果dp=2，累計器便有輸入圖像一半那么大的寬度和高度

　　minDist: 兩個圓心之間的最小距離

　　param1: 是method方法的參數,在CV_HOUGH_GRADIENT表示傳入canny邊緣檢測的閾值

　　param2:對當前唯一的方法霍夫梯度法cv2.HOUGH_GRADIENT，它表示在檢測階段圓心的累加器閾值

                    它越小，就越可以檢測到更多根本不存在的圓，而它越大的話，能通過檢測的圓就更加接近完美的圓形了

　　minRadius:默認值0，圓半徑的最小值

　　maxRadius:默認值0，圓半徑的最大值

 

cv2.circle是畫圓函數(img, center, radius, color[, thickness[, lineType[, shift]]]) -> img

參數：img：源圖像

　　   center：圓心坐標

　　   radius：圓的半徑

　　   color：設定圓的顏色

　　   thickness：如果是正數，表示圓輪廓的粗細程度。如果是負數，表示要繪制實心圓

　　   lineType：圓線條的類型

　　   shift：圓心坐標和半徑值中的小數位數